ref2va 典型样例浏览

ref2va（reference-to-video-with-audio）：给定一个或多个参考素材（图片 / 视频 / 音频）和一段文字提示词， 由 H3 模型生成一段带音频的视频。训练目标视频由 H3 生成，因此每条数据真正需要的是：参考素材 + 一段符合 H3 规范的提示词。

每张卡片展示一条样例：参考素材条（每个素材标注其 H3 标签，如 <Picture 1>、<Video 1>、<Audio 1>，以及模态、分辨率、时长、是否含音轨）； 原始提示词（中文原文可展开）；经两阶段审核后得到的 H3 重写提示词（六个分段，标签 / 主体 / 镜头 / 时间戳 / 对白均高亮，鼠标悬停标签会高亮对应参考素材）； 标签映射与主体来源、目标时长及其依据，以及审核信息。

该 release 共 288,320 条 H3 清洗后的记录（其中 285,123 条来自公开数据集 Omni-R2V）；本页展示其中 40 个来自 Omni-R2V 的典型样例，覆盖全部 13 个子任务和主要 H3 任务类型。

说明：音频未经模型审核（视频参考自带的音轨原样保留）。为便于浏览，页面中的媒体是转码预览：图片最长边 ≤ 1024 px；视频为 H.264、≤ 720p、保留 AAC 音轨，超过 15 秒的仅截取前 15 秒（卡片中注明）。卡片显示的分辨率和时长为 release 原始文件的数值。